Eilen klo Monte Carlon vaikutusten huippukokous Jaoin 9 ennustettani datalle vuonna 2023. Tässä ovat diat & Olen upottanut ne alle.

Nämä ovat minun 9 ennustettani. Vuoden kuluttua teen heille pisteet nähdäkseni, kuinka onnistuin.

1. Pilvitietovarastot (CDW) käsittelevät 75 prosenttia työkuormista vuoteen 2024 mennessä. Viimeisten viiden vuoden aikana CDW:t ovat kasvaneet 20 prosentista 50 prosenttiin, ja loput ovat valmiit tietokannat. Samaan aikaan teollisuus on kasvanut 36 miljardista dollarista 80 miljardiin dollariin tuona aikana.
2. Tietojen työmäärät segmentoidaan käyttötapauksen mukaan kolmeen ryhmään. Ensinnäkin muistissa olevat tietokannat, kuten DuckDB tulee hallitsemaan paikallista analyysiä jopa suurille tiedostoille. CDW:t säilyttävät klassiset BI- ja etsintäkäytöt. Cloud Data Lakehouses palvelee suuria dataa koskevia töitä ja töitä, jotka eivät vaadi nopeinta viivettä – ja tekevät sen puoleen tallennushinnasta.
3. Mittaritasot yhdistävät tietopinon. Nykyään tiedoissa on kaksi erilaista haarukkaa. Ensimmäinen haarukka käyttää ETL:ää tietojen pumppaamiseen CDW-levylle ja sitten BI- tai tiedontutkimustyökaluun. Toinen haarukka, koneoppimispino, on identtinen lukuun ottamatta lähtöjä: mallin palveleminen ja mallin koulutus. Mittaritasosta tulee yksi paikka, jossa mittarit ja ominaisuudet määritellään, yhdistäen pinon ja mahdollisesti siirrettävän mallin käytön ja koulutuksen tietokantaan.
4. Suuret kielten koneoppimismallit muuttavat datainsinöörien roolia. Nauhoitin videon, jossa kirjoitin koodia kaavioiden tuottamiseksi ja upotin sen esitykseen. Videolla näkyy, että Github Copilot luo taianomaisesti kaavion DuckDB-tähtien kasvulle. Copilot ottaa kommentin, kirjoittaa koodin ja jopa lisää mukautetun teematoiminnon. Kun suoritan koodin, se toimii. Tällaiset tekniikat työntävät tietotekniikan työn korkeammalle abstraktiotasolle.
5. WebAssemblysta tai WASM:stä tulee olennainen osa loppukäyttäjälle suunnattuja datasovelluksia. WASM on tekniikka, joka nopeuttaa selainohjelmistoa. Sivut latautuvat nopeammin, tietojenkäsittely on nopeampaa ja käyttäjät ovat tyytyväisempiä. Jokainen suuri selain tukee WASM:ää, joten jokainen, joka tuottaa datasovelluksen loppukäyttäjälle, käyttää sitä.
6. Muistikirjat saavat 20 % Excelin käyttäjistä. Maailmanlaajuisista Excelin 1b-käyttäjistä 20 % tulee proasiakkaiksi, jotka kirjoittavat Python/SQL:n analysoimaan dataa. He tekevät sen muistikirjoissa, kuten Jupyter, jotka ovat helposti jaettavissa, toistettavissa ja versiohallittavissa. Näistä muistikirjoista tulee datasovelluksia, joita loppukäyttäjät käyttävät yritysten sisällä, hauraiden Excel- ja Google Sheetsin korvaaminen.
7. SaaS-sovellukset käyttävät CDW taustaohjelmaksi sekä lukemiseen että kirjoittamiseen. Nykyään myynti-, markkinointi- ja taloustiedot ovat olemassa erilaisissa järjestelmissä. ETL-järjestelmät käyttävät API:ita työntämään tiedot CDW:lle analysointia varten. Jatkossa ohjelmistotuotteet rakentavat sovelluksensa CDW:n päälle hyödyntääkseen keskitettyä tietoturvaa, nopeampia hankintaprosesseja ja viereisiä tietoja. Nämä järjestelmät myös kirjoittavat takaisin CDW:hen.
8. Tietojen tarkkailusta tulee pakollinen ominaisuus. Ohjelmistoinsinöörit mittaavat ponnistelujensa onnistumista käyttöajan avulla. 99.9 % eli kolme yhdeksän käyttöaikaa tarkoittaa vain yhtä tapausta 1 tuntia kohden. Tämän päivän datatiimit näkevät 1000 tapausta 70 taulukkoa kohden. Datatiimit mukautuvat datan käytettävyys-/tarkkuusmittareihin ja ajavat kolmeen yhdeksään vastaavaan mittaan käyttämällä tietojen havainnointityökaluja suorituskykynsä mittaamiseen.
9. Datan vuosikymmen jatkuu. Data startupit keräsivät yhteensä yli 60 miljardia dollaria vuonna 2021, yli 20 % kaikista kerätyistä pääomasijoituksista. Olemme vielä tämän perustavan liikkeen alkuvaiheessa.

Kiitos Monte Carlon tiimille mahdollisuudesta ja yleisölle loistavista kysymyksistä lopussa. Julkaisen videon esityksestä, kun se on livenä.